Menu

Blog About

Latest Programming Insights

Notes on Python, Data Engineering, and Backend Systems

Published on

Как парсить PDF

А в чём проблема? Формат PDF был придуман ещё в прошлом веке и предназначался для того, чтобы документ на разных устройствах отображался одинаково. До 2000 года формат был закрытым, а ISO-стандарт для PDF появился только в 2008 году. По этой причине появилось множество инструментов для создания PDF-файлов, которые реализовывали свои варианты стандарта. Плюс к этому информация может храниться как …

Published on

BeautifulSoup vs lxml: A Practical Performance Comparison

BeautifulSoup vs lxml: A Practical Performance Comparison Introduction When it comes to HTML parsing in Python, two libraries dominate the ecosystem: BeautifulSoup (commonly referred to as bs4) and lxml. Both are powerful and easy to use—but performance-wise, they're worlds apart. So why does bs4, known to be significantly slower, remain so popular? From my experience working on large-scale web s…

Categories & Tags

Categories

Tags

llmocrparsingpdfpythonwebscraping